Midjourney lance sa vidéo IA V1 au cœur du bras de fer avec Disney et NBCU

Le passage de l’image fixe à l’image animée est devenu l’un des terrains les plus disputés de l’intelligence artificielle créative. Le 18 juin 2025, Midjourney a présenté V1 Video, son premier modèle de génération vidéo. L’outil permet d’animer une image créée sur la plateforme ou importée par l’utilisateur, afin d’en produire de courts clips. Cette arrivée est d’autant plus observée qu’elle survient dans un contexte judiciaire explosif avec Disney et NBCUniversal.

Midjourney s’est imposée auprès des créateurs grâce à la qualité visuelle de ses images générées à partir de texte. Avec V1 Video, l’entreprise ne propose pas encore un studio de montage complet ni la réalisation immédiate de longs métrages. Elle offre une brique précise : partir d’une image, définir ou laisser choisir un mouvement, puis obtenir plusieurs séquences animées. Pour les illustrateurs, professionnels de la communication et amateurs, cette étape réduit considérablement la distance entre une idée visuelle et une courte animation.

V1 Video, un outil d’animation à partir d’une image

Le modèle lancé par Midjourney est présenté comme un système d’Image-to-Video, autrement dit de transformation d’une image en vidéo. Le point de départ peut être une image générée dans Midjourney. L’utilisateur peut alors sélectionner l’option d’animation pour demander au service de créer du mouvement à partir de cette scène fixe.

L’outil accepte aussi les images issues d’autres sources. Dans ce cas, il faut faire glisser l’image dans la zone de saisie, la définir comme image de départ, puis préciser le mouvement souhaité. Cette possibilité ouvre des usages variés : animer une illustration personnelle, donner un léger mouvement à un décor, faire évoluer la posture d’un personnage ou créer une brève séquence à partir d’un visuel existant.

Deux réglages d’animation sont proposés :

• le mode automatique, qui laisse Midjourney décider du mouvement à produire à partir de l’image ;
• le mode manuel, qui permet à l’utilisateur de décrire le mouvement désiré.

Cette différence est importante. Le mode automatique vise la simplicité et la rapidité. Le mode manuel donne davantage d’intention créative, par exemple en indiquant qu’un sujet doit se déplacer, qu’un personnage doit accomplir une action ou qu’un environnement doit évoluer. Dans les deux cas, l’IA doit produire une succession d’images cohérentes avec le visuel initial, afin que le résultat donne l’impression d’un mouvement continu.

Quatre clips de cinq secondes à chaque génération

À son lancement, chaque travail vidéo réalisé dans Midjourney produit quatre séquences de cinq secondes. Ce choix de clips très courts correspond à la logique des premiers outils de vidéo générative : ils permettent de tester plusieurs interprétations d’un même point de départ, puis de conserver celle qui paraît la plus convaincante.

Une séquence appréciée peut ensuite être prolongée. Midjourney indique qu’il est possible d’ajouter environ quatre secondes à la fois, avec un maximum de quatre extensions. En théorie, un clip initial de cinq secondes peut donc atteindre environ 21 secondes après quatre prolongements. Cette limite rappelle que V1 Video est d’abord conçu pour des plans courts, des boucles animées, des essais visuels ou des séquences destinées à être assemblées ensuite dans un autre logiciel.

Le teaser vidéo diffusé par Midjourney sert de démonstration des capacités d’animation de V1. Comme pour toutes les démonstrations de modèles génératifs, il faut toutefois distinguer une sélection de résultats mis en avant par l’éditeur de l’expérience qu’obtiendra chaque utilisateur avec sa propre image et ses propres instructions.

Quel est le prix de la vidéo générative chez Midjourney ?

Midjourney annonce qu’un travail vidéo coûte au lancement environ huit fois plus qu’un travail d’image. Les estimations avancées ramènent ce coût à 3 à 5 cents par image. L’entreprise assure que son offre est « plus de 25 fois moins chère » que les tarifs observés jusque-là sur le marché de la génération vidéo par IA.

Cette promesse de prix est centrale. La vidéo demande davantage de calcul qu’une image unique, car elle implique une série d’images successives et la recherche d’une cohérence entre elles. Un personnage ne doit pas changer brutalement d’apparence d’une image à l’autre, un décor doit rester crédible et les mouvements doivent éviter les ruptures visuelles. En proposant des clips courts et une facturation supérieure à celle d’une image, Midjourney cherche donc un compromis entre coût, expérimentation et accessibilité.

Pour un utilisateur, le tarif ne doit pas être regardé isolément. Le nombre d’essais nécessaires pour parvenir au résultat voulu compte tout autant. Une consigne imprécise, une image de départ complexe ou un mouvement difficile à représenter peuvent conduire à multiplier les générations. L’intérêt des quatre clips produits à chaque travail est justement de donner plusieurs variantes sans devoir recommencer immédiatement avec une nouvelle demande.

Une nouvelle étape dans le conflit avec Disney et NBCUniversal

Le lancement de V1 Video intervient seulement une semaine après l’action engagée le 11 juin 2025 par Disney et NBCUniversal contre Midjourney aux États-Unis. Les deux groupes accusent l’entreprise d’atteinte au droit d’auteur. Leur démarche cite notamment des images susceptibles d’imiter des personnages ou univers associés à des franchises telles que Marvel, Star Wars et Toy Story.

Disney et NBCUniversal présentent Midjourney comme un « profiteur » de leur propriété intellectuelle. Il s’agit d’accusations portées dans le cadre d’une procédure judiciaire, et non d’une décision de justice : au 19 juin 2025, aucune juridiction n’a encore tranché le fond de ce litige.

L’arrivée de la vidéo ajoute une dimension à ce débat. Une image évoquant un personnage protégé peut déjà soulever des questions de propriété intellectuelle. Une version animée peut rendre l’imitation plus expressive, plus proche de codes visuels connus et plus facilement utilisable dans des contenus publiés en ligne. Pour les ayants droit, l’enjeu porte à la fois sur les données ayant permis d’entraîner les modèles et sur les images ou vidéos que les utilisateurs peuvent générer.

Pour les utilisateurs, l’importation d’images extérieures impose également de la prudence. Pouvoir techniquement animer une image ne signifie pas automatiquement disposer du droit de la reproduire, de la transformer ou de diffuser le résultat. Les règles applicables peuvent dépendre de l’origine de l’image, du pays concerné, de l’usage prévu et des droits détenus par son auteur ou son propriétaire.

Au-delà des clips, l’ambition d’environnements interactifs

David Holz, fondateur et PDG de Midjourney, présente V1 Video comme une première étape plutôt que comme l’aboutissement du projet. La société évoque l’objectif de bâtir un « système d’IA » capable de créer des images en temps réel et d’interagir avec des éléments dans des environnements en 3D.

Dans cette vision, l’utilisateur ne se contenterait plus de demander un clip finalisé. Il pourrait commander des mouvements dans un décor dynamique, faire évoluer un personnage et interagir avec une scène qui réagit en temps réel. Une telle approche rapprocherait les outils d’IA générative de certaines expériences de jeu vidéo, de prévisualisation audiovisuelle ou de création d’univers interactifs.

Il convient néanmoins de séparer clairement cette ambition du produit disponible en juin 2025. V1 Video produit des clips courts à partir d’images. Les interactions en temps réel dans des mondes en 3D relèvent d’une orientation annoncée par Midjourney, sans calendrier de disponibilité précisé.

Pourquoi l’Image-to-Video intéresse autant les créateurs

La génération vidéo à partir d’une image répond à un besoin très concret : préserver une direction artistique. Une image de départ fixe la composition, le personnage, le décor et l’ambiance générale. L’animation cherche ensuite à prolonger cette intention au lieu de repartir d’une simple description textuelle.

Cette approche peut être utile pour concevoir des séquences de présentation, animer un concept visuel, réaliser un prototype de publicité, préparer une idée de scène ou enrichir une publication destinée aux réseaux sociaux. Elle peut aussi servir à explorer rapidement un mouvement avant de lancer un travail plus long avec des outils de production traditionnels.

Mais le format court impose une autre façon de créer. Plutôt que de demander une narration complète, il faut penser en plans : un geste, un déplacement, une réaction, un mouvement de caméra ou une transformation limitée. La qualité du résultat dépendra largement de la clarté de l’image de départ et de la précision de l’action demandée en mode manuel.

L’outil ne remplace pas non plus les choix humains de narration, de montage, de son ou de rythme. Il automatise une partie de la création d’images animées. La construction d’un récit cohérent et la responsabilité éditoriale du contenu restent entre les mains de la personne qui publie la vidéo.

Ce qu’il faut surveiller après ce lancement

Trois sujets seront déterminants pour la suite. Le premier concerne l’usage réel de V1 Video : les créateurs jugeront sa capacité à maintenir l’apparence des sujets, à suivre des instructions de mouvement et à prolonger des clips sans rupture visuelle trop marquée. Le deuxième est économique : l’intérêt de l’offre dépendra du coût cumulé des essais et des extensions, pas seulement du prix annoncé pour une génération.

Le troisième sujet est juridique. L’action de Disney et NBCUniversal place Midjourney au centre d’un débat qui dépasse cette seule entreprise : jusqu’où les modèles génératifs peuvent-ils s’inspirer d’œuvres protégées, et qui est responsable lorsque les outils permettent de créer des contenus proches de personnages ou d’univers célèbres ?

En lançant V1 Video dans ce contexte, Midjourney montre que la compétition technologique ne s’arrête pas aux images fixes. Mais la capacité à animer une création, à l’importer depuis une source extérieure ou à lui donner l’apparence d’une franchise connue rend aussi plus urgente la clarification des règles de droit et des usages responsables.